Voicebox

Voicebox — это десктопное приложение с открытым исходным кодом, которое позволяет клонировать голоса, генерировать речь и диктовать текст полностью на вашем локальном устройстве. Программа анализирует короткие аудиообразцы (всего 3 секунды), чтобы создать профили голосов, которые затем могут генерировать речь через семь различных движков text-to-speech. Приложение работает полностью офлайн, используя GPU вашего компьютера, что делает его ориентированной на приватность альтернативой облачным голосовым сервисам.

Инструмент выделяется своим комплексным набором функций, который включает редактор многоголосой временной шкалы для создания диалогов, конвейер аудиоэффектов с пресетами и возможности системного диктования. Он поддерживает различные бэкенды вывода, включая Metal, CUDA, ROCm, Intel Arc и DirectML, что дает гибкость в зависимости от вашего оборудования. Функция диктовки использует модели Whisper для транскрибации и включает опциональную доработку через локальную LLM, чтобы убрать «э-э» и самоисправления, не отправляя данные в облако.

Voicebox особенно полезен для создателей контента, которым нужны закадровые голоса, голосовых артистов, экспериментирующих с различными вокальными стилями, и разработчиков, работающих с ИИ-агентами. Интеграция MCP позволяет ИИ-ассистентам, таким как Claude Code и Cursor, отвечать вам, используя клонированные голоса, в то время как локальная работа обеспечивает полную приватность данных и отсутствие расходов на подписку. Приложение доступно для систем macOS, Windows и Linux.